Open data Canarias - Inspecciones

# import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
plt.style.use('fivethirtyeight')

import os

for dirname, _, filenames in os.walk('./input'):
    for filename in filenames:
        print(os.path.join(dirname, filename))

./input/centros-por-zonas-de-inspeccion.csv
./input/inspector.csv
./input/zonas-de-inspeccion.csv
./input/.ipynb_checkpoints/centros-por-zonas-de-inspeccion-checkpoint.csv
./input/.ipynb_checkpoints/inspector-checkpoint.csv
./input/.ipynb_checkpoints/zonas-de-inspeccion-checkpoint.csv

inspectores = pd.read_csv('./input/inspector.csv')
zona_de_inspeccion = pd.read_csv('./input/zonas-de-inspeccion.csv')
centros_de_inspeccion = pd.read_csv('./input/centros-por-zonas-de-inspeccion.csv')

inspectores.head()

	ApellidosNombre	Telefono	DiaGuardia	CodigoZonaInspeccion
0	ACEVEDO HERNÁNDEZ, PEDRO MANUEL	928-307736	Miércoles	312
1	ALDUNATE RUANO, AINHOA	928-307737	Jueves	306
2	ALONSO RODRÍGUEZ, JESÚS MIGUEL	928-531131	Lunes	103
3	ÁLVAREZ RODRÍGUEZ, RUTH	922-423833	Martes	726
4	ARTEAGA HERRERA, DULCE CORAZÓN DE MARÍA	922-423844	Lunes	712

zona_de_inspeccion.head()

	CodigoZonaInspeccion	DenominacionZonaInspeccion	Territorio
0	101	101-GONZÁLEZ RAMOS, ANDRÉS	LP0 - Provincia Las Palmas
1	102	102-CARBALLO MORERA, MARÍA SOCORRO	LP0 - Provincia Las Palmas
2	103	103-ALONSO RODRÍGUEZ, JESÚS MIGUEL	LP0 - Provincia Las Palmas
3	104	104-FIGUERAS MARTÍN, HUMBERTO	LP0 - Provincia Las Palmas
4	201	201-PÉREZ BORGES, JUAN RAMÓN	LP0 - Provincia Las Palmas

centros_de_inspeccion.head()

	CodigoCentro	CodigoZonaInspeccion	DenominacionCentro
0	35000011	302	CEIP JOSÉ SÁNCHEZ Y SÁNCHEZ
1	35000033	302	CEIP EL RISCO
2	35000045	302	CEIP ANA BETANCOR ESTUPIÑÁN
3	35000057	322	CEIP ROQUE AGUAYRO
4	35000082	322	IES JOAQUÍN ARTILES

df = zona_de_inspeccion\
    .merge(inspectores, left_on='CodigoZonaInspeccion', right_on='CodigoZonaInspeccion')\
    .merge(centros_de_inspeccion, left_on='CodigoZonaInspeccion', right_on='CodigoZonaInspeccion')

df.head()

	CodigoZonaInspeccion	DenominacionZonaInspeccion	Territorio	ApellidosNombre	Telefono	DiaGuardia	CodigoCentro	DenominacionCentro
0	101	101-GONZÁLEZ RAMOS, ANDRÉS	LP0 - Provincia Las Palmas	GONZÁLEZ RAMOS, ANDRÉS	928-531131	Miércoles	35000963	CEIP LA OLIVA
1	101	101-GONZÁLEZ RAMOS, ANDRÉS	LP0 - Provincia Las Palmas	GONZÁLEZ RAMOS, ANDRÉS	928-531131	Miércoles	35001013	CEIP VILLAVERDE
2	101	101-GONZÁLEZ RAMOS, ANDRÉS	LP0 - Provincia Las Palmas	GONZÁLEZ RAMOS, ANDRÉS	928-531131	Miércoles	35003629	CPEIPS SAGRADO CORAZÓN
3	101	101-GONZÁLEZ RAMOS, ANDRÉS	LP0 - Provincia Las Palmas	GONZÁLEZ RAMOS, ANDRÉS	928-531131	Miércoles	35005171	CEIP BERNABÉ FIGUEROA UMPIÉRREZ
4	101	101-GONZÁLEZ RAMOS, ANDRÉS	LP0 - Provincia Las Palmas	GONZÁLEZ RAMOS, ANDRÉS	928-531131	Miércoles	35005183	CEIP LAJARES

del df['CodigoZonaInspeccion']
del df['Telefono']
del df['DenominacionZonaInspeccion']
df.head()

	Territorio	ApellidosNombre	DiaGuardia	CodigoCentro	DenominacionCentro
0	LP0 - Provincia Las Palmas	GONZÁLEZ RAMOS, ANDRÉS	Miércoles	35000963	CEIP LA OLIVA
1	LP0 - Provincia Las Palmas	GONZÁLEZ RAMOS, ANDRÉS	Miércoles	35001013	CEIP VILLAVERDE
2	LP0 - Provincia Las Palmas	GONZÁLEZ RAMOS, ANDRÉS	Miércoles	35003629	CPEIPS SAGRADO CORAZÓN
3	LP0 - Provincia Las Palmas	GONZÁLEZ RAMOS, ANDRÉS	Miércoles	35005171	CEIP BERNABÉ FIGUEROA UMPIÉRREZ
4	LP0 - Provincia Las Palmas	GONZÁLEZ RAMOS, ANDRÉS	Miércoles	35005183	CEIP LAJARES

Notas

Los datos de inspectorres y zonas de inspeccion son lo mismo. Ya que ambas tablas estan relacionadas 1 a 1. Esto quiere decir, que un inspector está relacionado con una única zona de inspección. Al unir estos dos conjuntos de datos lo que estamos haciendo es añadiendo al inspector en que territorio está su zoma.

Si estos datos los unimos al tercer conjunto donde podemos ver los centros por zona, nos dirá cuantos centros tiene un inspecctor "a su cargo".

Por lo que la siguiente gráfica está mal planteada, lo que muestra es la cantidad de centros que hay en los diferentes días de guardias.

guardias_inspectores = inspectores.groupby('DiaGuardia')\
    .Telefono.count()\
    .to_frame()\
    .reset_index()\
    .rename(columns={'DiaGuardia': 'dia', 'Telefono': 'total'})\
    .sort_values('total', ascending=False)

plt.figure(figsize=(20,10))
plt.title('Inspectores de guardia por dia')
plt.pie(guardias_inspectores.total, labels=guardias_inspectores.dia, autopct='%1.1f%%')

plt.axis('equal')
plt.show()

guardias = df.groupby('DiaGuardia')\
    .Territorio.count()\
    .to_frame()\
    .reset_index()\
    .rename(columns={'DiaGuardia': 'dia', 'Territorio': 'total'})\
    .sort_values('total', ascending=False)

plt.figure(figsize=(20,10))
plt.title('Centros en guaria por dia')
plt.pie(guardias.total, labels=guardias.dia, autopct='%1.1f%%')

plt.axis('equal')
plt.show()

Centros por terrritorio

centros_por_territorio = df.groupby('Territorio')\
    .CodigoCentro.count()\
    .to_frame()\
    .rename(columns={'DiaGuardia': 'dia', 'CodigoCentro': 'total'})\
    .sort_values('total', ascending=False)

centros_por_territorio

	total
Territorio
LP0 - Provincia Las Palmas	709
TF0 - Provincia Santa Cruz de Tenerife	708

Zonas por territorio

zonas_por_territorio = zona_de_inspeccion.groupby('Territorio')\
    .CodigoZonaInspeccion.count()\
    .to_frame()\
    .rename(columns={'CodigoZonaInspeccion': 'total'})\
    .sort_values('total', ascending=False)
zonas_por_territorio

	total
Territorio
LP0 - Provincia Las Palmas	36
TF0 - Provincia Santa Cruz de Tenerife	32

Centros asociados por inspector

inspecciones_por_inspector = df.groupby('ApellidosNombre')\
    .Territorio.count()\
    .to_frame()\
    .rename(columns={'Territorio': 'total'})\
    .sort_values('total', ascending=False)\
    .reset_index()

inspecciones_por_inspector['ApellidosNombre'] = inspecciones_por_inspector['ApellidosNombre'].str.lower()

inspecciones_por_inspector.head()

	ApellidosNombre	total
0	leal simón, jose francisco	32
1	brito díaz, maría teresa	32
2	pérez borges, juan ramón	31
3	ballesteros ballester, alfonso	30
4	gonzález gonzález, juan fabián	28

Centros por inspector

centros_por_zona = centros_de_inspeccion.groupby('CodigoZonaInspeccion')\
    .CodigoCentro.count()\
    .to_frame()\
    .rename(columns={'CodigoCentro': 'total'})\
    .sort_values('total', ascending=False)\
    .reset_index()

centros_por_zona

	CodigoZonaInspeccion	total
0	601	32
1	603	32
2	201	31
3	602	30
4	702	28
...	...	...
63	323	14
64	320	14
65	326	14
66	300	9
67	700	6

68 rows × 2 columns

Estos dos últimos cálculos son el mismo por los motivos que ya he nombrado anteriormente.

Top 10

primeros_10 = inspecciones_por_inspector.head(10)

plt.figure(figsize=(20,10))
plt.title('10 inspectores con mas centros asociados')
g = sns.barplot(data=primeros_10, x='total', y='ApellidosNombre')

for p in g.patches:
    g.text(p.get_width(), p.get_height()/2. + p.get_y(), '%d' % int(p.get_width()), ha='center', va='bottom')

Botton 10

ultimos_10 = inspecciones_por_inspector.tail(10)

plt.figure(figsize=(20,10))
plt.title('10 inspectores con menos centros asociados')
g = sns.barplot(data=ultimos_10, x='total', y='ApellidosNombre')

for p in g.patches:
    g.text(p.get_width(), p.get_height()/2. + p.get_y(), '%d' % int(p.get_width()), ha='center', va='bottom')

Conclusiones

Gracias a estos conjuntos de datos hemos aprendido que tenemos que ser más críticos con los datos. Es decir, no tenemos que creernos, imaginar o suponer nada de los datos. Estamos aquí para analizarlos lo más objetivamente posible, no nos tenemos que fiar de los nombres de los campos al 100%